核心用法
GLM-V Handwriting Recognition 是一款调用智谱 AI GLM-OCR 版面解析 API 的手写体识别技能，通过命令行脚本将手写笔记、信件、文档中的文字提取为可编辑文本。使用时需配置 ZHIPU_API_KEY 环境变量，支持本地文件路径（--file）或远程 URL（--file-url）两种输入方式，结果以 JSON 格式返回，包含 Markdown 格式的提取文本、版面分析详情及原始 API 响应。
主要特性
- 多风格识别：支持草书、印刷体等多种手写风格
- 多语言支持：覆盖中文、英文及中英混排内容
- 混合内容处理：可同时识别手写与印刷文字混排的文档
- 灵活输入：支持本地图片/PDF 及远程 URL
输出规范
技能强制要求完整展示 API 返回的原始 OCR 结果，不得概括或省略，以便用户自行评估识别质量。结果可保存为 JSON 文件（--output），支持格式化打印（--pretty）。
显著优点
1. 专业级 OCR 能力：依托智谱 GLM 大模型，手写识别准确率显著高于传统 OCR 方案
2. 零本地计算依赖：纯云端推理，无需本地 GPU 或复杂依赖安装
3. 统一密钥管理：与智谱生态其他技能（如 glmocr、glmv-caption）共享同一 API Key
4. 结构化输出：返回 Markdown 格式文本及详细的版面布局信息，便于后续处理
潜在局限与风险
- API 依赖性强：必须联网使用，服务可用性受智谱平台影响
- 成本门槛：按调用量计费，高频使用需关注配额消耗
- 隐私合规：手写文档上传至第三方云端，敏感内容存在数据出境风险
- 强制限制严格：API 失败时禁止任何 fallback 方案，用户体验可能中断
- 密钥泄露风险：
ZHIPU_API_KEY需妥善保管，硬编码或日志泄露可能导致未授权消费
适合人群
- 需要将纸质手写笔记数字化归档的学生、研究人员
- 处理手写病历、表格、批注的行政及医疗工作者
- 开发文档数字化工作流的技术人员
- 对中文手写识别有较高准确率要求的用户
常规风险提示
| 风险类型 | 说明 |
|---------|------|
| 数据隐私 | 手写内容上传至智谱服务器，涉及个人信息需评估合规性 |
| 服务稳定性 | 依赖单一云服务商，存在 429 限流、5xx 故障等中断可能 |
| 成本失控 | 未设置用量上限时，异常调用可能导致超额消费 |
| 识别误差 | 潦草字迹、低质量扫描件仍可能存在误识别 |